數(shù)據(jù)分析師手記：數(shù)據(jù)分析72個核心問題精解

第 1 章　底層認知 
1.1 基礎(chǔ)認知 
第 1 問：數(shù)據(jù)分析怎么學？—本書學習指南 / 2
第 2 問：數(shù)據(jù)分析是怎么來的？—數(shù)據(jù)分析極簡發(fā)展史 / 4
第 3 問：什么是數(shù)據(jù)指標？ / 6
第 4 問：常見的指標有哪些？ / 9
第 5 問：對于數(shù)據(jù)分析領(lǐng)域，統(tǒng)計學要學到什么程度？ / 10
第 6 問：數(shù)據(jù)分析領(lǐng)域主要的崗位有哪些？ / 13
1.2　底層邏輯 / 17
第 7 問：如何建立完整有效的數(shù)據(jù)指標體系？ / 17
第 8 問：數(shù)據(jù)指標體系如何應用？—數(shù)據(jù)監(jiān)控體系 / 21
第 9 問：數(shù)據(jù)分析的產(chǎn)出價值是什么？ / 24
第 10 問：數(shù)據(jù)分析的常見陷阱有哪些？ / 26
第 11 問：如何讓數(shù)據(jù)驅(qū)動業(yè)務？—數(shù)據(jù)分析流程 / 28
第 2 章　思維方法 / 32 
2.1　數(shù)據(jù)思維 / 33
第 12 問：什么是數(shù)據(jù)思維？ / 33
第 13 問：怎么使用數(shù)據(jù)思維？ / 35
第 14 問：怎么訓練數(shù)據(jù)思維？ / 38
2.2　通用分析方法 / 41
第 15 問：什么是數(shù)據(jù)異常分析？ / 41
第 16 問：什么是描述性分析？ / 43
第 17 問：什么是對比分析？ / 46
第 18 問：什么是細分分析？ / 48
第 19 問：什么是歸因分析？ / 52
第 20 問：什么是預測分析？ / 56
第 21 問：什么是相關(guān)性分析？ / 58
第 22 問：什么是二八定律 / 帕累托定律分析？ / 61
2.3　商業(yè)分析方法 / 63
第 23 問：什么是 PEST 分析？ / 63
第 24 問：什么是 SWOT 分析？ / 65
第 25 問：什么是邏輯樹分析？ / 68
第 26 問：什么是“STP 4P”分析？ / 71
第 27 問：什么是波士頓矩陣分析？ / 73
第 28 問：什么是 5W2H 分析？ / 77
2.4　產(chǎn)品分析方法 / 79
第 29 問：什么是生命周期分析？ / 80
第 30 問：什么是 AB 測試分析？ / 83
第 31 問：什么是競品分析？ / 88
2.5　用戶分析方法 / 90
第 32 問：什么是用戶畫像分析？ / 90
第 33 問：什么是漏斗分析？ / 96
第 34 問：什么是 RFM 用戶分層分析？ / 100
第 35 問：什么是同期群分析？ / 104
第 3 章　工具技術(shù) / 107 
第 36 問：分析工具如何選？—常用場景說明 / 108
3.1　Excel / 109
第 37 問：用 Excel 做數(shù)據(jù)分析夠嗎？— Excel 的學習路徑 / 109
第 38 問：Excel 中有哪些重要的函數(shù)或功能？—Excel 高頻常用函數(shù)介紹 / 110
第 39 問：如何用 Excel 做數(shù)據(jù)分析？—Excel 透視表最全指南 / 114
3.2　SQL / 127
第 40 問：什么是 SQL ？—SQL 的學習路徑 / 127
第 41 問：SQL 基礎(chǔ)操作有哪些？ / 129
第 42 問：SQL 有哪些高頻函數(shù)？ / 130
第 43 問：SQL 的表連接該如何做？ / 130
第 44 問：什么是 SQL 的窗口函數(shù)？ / 137
第 45 問：SQL 要學習到什么程度？—SQL 在數(shù)據(jù)分析中落地 / 147
3.3　Python / 151
第 46 問：什么是 Python ？—Python 的介紹與開始 / 151
第 47 問：Python 基礎(chǔ)語法有哪些？ / 152
第 48 問：Python 數(shù)據(jù)分析工具包 Pandas 是什么？ / 160
第 49 問：Python 數(shù)據(jù)可視化工具包 Matplotlib 是什么？ / 177
第 50 問：Pandas 如何解決業(yè)務問題？—數(shù)據(jù)分析流程詳解 / 183
3.4　PowerBI / 195
第 51 問：什么是商業(yè)智能？—商業(yè)智能與 PowerBI 入門 / 195
第 52 問：PowerBI 的核心概念有哪些？—一文看懂 PowerBI 運行邏輯 / 198
第 53 問：如何用 PowerBI 做數(shù)據(jù)分析？—PowerBI 完整數(shù)據(jù)分析流程案例 / 208
第 4 章　項目落地 / 222 
4.1　落地思維 / 223
第 54 問：數(shù)據(jù)分析的結(jié)果該如何落地？ / 223
第 55 問：數(shù)據(jù)分析沒有思路怎么辦？—數(shù)據(jù)分析中“以終為始”的思考邏輯 / 226
第 56 問：如何從不同層次理解業(yè)務？—數(shù)據(jù)分析中“點線面體”的思考邏輯 / 229
第 57 問：數(shù)據(jù)分析怎么做才有價值？—數(shù)據(jù)分析中的目標管理 / 231
4.2　理解業(yè)務本質(zhì) / 235
第 58 問：常說的業(yè)務場景是什么？—從營銷角度出發(fā)構(gòu)建“業(yè)務場景模型” / 235
第 59 問：零售行業(yè)常說的人貨場是什么？—從“人貨場模型”看落地場景中的數(shù)據(jù)
分析 / 240
第 60 問：如何深入理解業(yè)務？—利用點線面思維構(gòu)建“業(yè)務模型” / 242
第 61 問：如何梳理業(yè)務流程？—從“線”的層次思考業(yè)務 / 245
第 62 問：如何看懂公司的商業(yè)模式？—從“面”的層次思考業(yè)務 / 250
第 63 問：從戰(zhàn)略層次全局看待業(yè)務？—從“體”的層次思考業(yè)務 / 254
4.3　互聯(lián)網(wǎng)產(chǎn)品數(shù)據(jù)分析實踐 / 258
第 64 問：如何分析用戶行為數(shù)據(jù)？—還原實際業(yè)務中的落地分析流程 / 258
第 65 問：如何定義問題？—AARRR 模型中獲取階段的落地分析 / 263
第 66 問：如何形成分析思路？—AARRR 模型中促活階段的落地分析 / 268
第 67 問：如何給落地建議？—AARRR 模型中留存階段的落地分析 / 274
4.4　報告呈現(xiàn) / 279
第 68 問：為什么要做數(shù)據(jù)分析報告？—向上匯報與橫向溝通 / 279
第 69 問：如何用數(shù)據(jù)來講故事？—報告結(jié)構(gòu)與金字塔原理 / 281
第 70 問：如何制作一個圖表？—數(shù)據(jù)可視化的邏輯 / 284
4.5　項目復現(xiàn)實戰(zhàn) / 287
第 71 問：游戲行業(yè)，如何分析活動？ / 287
第 5 章　展望 / 298 
第 72 問：數(shù)據(jù)分析師的前景及如何成長？ / 299